不得不说，AI会做题，和AI能救场，中间隔着一整个真实项目。

1、开云官方app 从Tool到Agent，从Token到Task，从Programmer到OPC。

它更应当走一遍电脑系统当年走过的路：从「有个进程隔离就够了」，到「ASLR、DEP、SELinux、签名内核协同工作」的纵深防御，并且必须与底层大模型联合评估，而不是拿平台加固去顶替模型对齐。开云官方appAnthropic 的 Fable 5 是一个更极端的案例：6 月 9 日发布，三天后安全研究者 Pliny the Liberator 用多步骤越狱策略突破了安全分类器，相关截图显示模型产出了本该被拦截的漏洞利用代码。

2、解码荣昌生物扭亏为盈：一家“纯血”创新药企的高度“确定性”

这不是偶犯，20次测试里，Gemini干预了19次，其中11次是这种隐蔽篡改。

3、LV在中国又开告了，这次是国家知识产权局

那「回忆」本身呢？海马里的CA3区域是一张高度互联的回路，行为很像物理学家霍普菲尔德在1982年提出的联想记忆网络。

4、晚宴打脸！中俄五国集体缺席，好戏没能上演，菲外长白忙活一场

AI监督AI靠谱吗？ 「智能体失配」，并不只停留在「被监督的AI会失配」一种情况。

5、跨字母哥！盖詹姆斯！前五号秀，能否重返NBA？

1536年，都铎王朝的伦敦。

而Pro和Team标准版用户，不仅能继续通过使用额度访问Fable，甚至还会收到一笔「破天荒」的100美元一次性额度补偿。

游戏项目背后的技术支持，是AI视频模型领域的一匹低调黑马——爱诗科技。

6、薪水不及预期，现有阵容争冠难，勇士招募詹姆斯理由只能是这些

这是一种研发顺序的变化：先验证需求，再扩大生产；先让创意接受市场检验，再决定重资产投入。

过去团队对齐一件事，靠的是有人把结论转述一遍，信息在传话里层层衰减。

7、CBA最新消息！广东新主帅浮出水面，山西续约迪亚洛，广厦保留布朗续约权

它具备三大核心优势：极致性能与能效、端边云全域协同、原生安全与可信。

它守住了最后一条线：当Marcus要求伪造董事会批准记录时，它拒绝了。

8、0-0！2-0！世界前20基本晋级32强！美加墨世界杯才算正式开始

圆桌现场，五位嘉宾毫无保留地复盘了自己踩过最深的「坑」：任务闭环、接管率、真实环境的复杂性。

剩下那约9分钟怎么办？开第二个窗口，第三个，第四个。

恰恰相反，它是效率工具：替我们省掉了海量注定失败的尝试，没有它，没人能在有限的一生里走到学科前沿。

9、中科院教授：别光顾着躺平，想长寿真得吃点“苦”！

第二天一早她刚到校，改好的方案已经摆在桌上。

然而，他很快发现，这只是冰山一角。

10、南航与乌兹别克斯坦航空签署代码共享合作协议

所以，对机器人而言，这类面向人类认知设计的方向指令仍然过于抽象，不能直接转化为局部轨迹。

」 AI编码滑铁卢：工程师的纯血统情结与算力饥渴 而且，为什么偏偏是编码能力拉了胯？这背后藏着谷歌更深层的矛盾。

1、解析山东男篮球员去留，9名国内球员合同到期，至少3名外援离队

用意很简单：任务本身不需要看任何代码。

2、跑10公里35分钟，我这样的成绩能跑马拉松吗？

与此同时，本体工程的反向赋能同样不可忽视。

3、辽篮前锋大婚！起步比肩张镇麟，接班李晓旭失败，下赛季转会？

而这还只是多写的坑之一。75年等一回！库里成首位获名人堂个人展的现役NBA球员，周五开展每步操作，如果gcd(m,n) = d > 1，新的两个数的乘积是mn/d，比原来小，全局乘积P严格变小。

4、阿瑟·费里 今年温网的童话故事

然而，与高期待相伴的是被忽视的安全风险。

5、73胜勇士是下狗？三大因素下，阿杜抛出争议言论

最初的Frozen芯片由Google DeepMind首席科学家Jeff Dean主导，思路更离谱：直接把模型权重烧进芯片。

6、德约vs辛纳：依然不屈的好胜与漫长的和解

说白了，老基建量的是FLOPS，却产不出稳定、有效的Token。

中国「芯」的智能体时代 回过头来看，此芯科技选择在WAIC开幕的同一天放出AGX Agentic Compute这张牌，时机选得相当精准。

Skild AI 在长程、不间断、不遥操的真实家庭任务上，目前全球只有逐际动力和 Figure 做出了可信度高的完整演示——Figure 有厨房整理、房间整理、客厅整理等一系列家庭场景 Demo，逐际动力有这次的一镜到底的客厅整理。

7、李沅珊28分，中国U17女篮大胜拉脱维亚队进8强，创10年来最好成绩

她给出的答案是一把新尺子——Useful Intelligence per Dollar，每块钱买到多少有用的智能。

它不需要复杂昂贵的数据采集，不需要动辄数十小时的遥操训练，不需要标注数据。

8、不算意外的告别 斯瓦泰克官宣和教练费塞特分道扬镳

GDPS要解决的，是企业最关心的问题：哪些高重复性环节可以交给机器人，把成本降下来？哪些危化高温有毒有害场景，可以先用机器人进行工作替代？ 哪些高价值场景能够充分提高用户服务体验感？能不能多产出、少停产？ 想搞明白这些，就把你的真实场景需求交给GDPS——全球赛队带着方案来答，完成实景验证。

关键是，单独看每个文件都正常，谁也想不到串起来会有这么大问题。

过去一年，AI行业发生了一个根本性的切换：大模型从「陪聊」变成了「干活」。

Cowork得让用户主动下载一个桌面端；而把智能体揉进ChatGPT，意味着超9亿周活用户打开那个最熟悉的App，就已经在用智能体了。